ArrayList和LinkedList各有利弊。

与使用指向下一个节点的指针的LinkedList相比，ArrayList使用连续内存地址。因此，当您想在ArrayList中查找元素时，比使用LinkedList进行n次迭代更快。

另一方面，LinkedList中的插入和删除要容易得多，因为您只需更改指针，而ArrayList意味着对任何插入或删除都使用移位操作。

如果您的应用程序中有频繁的检索操作，请使用ArrayList。如果频繁插入和删除，请使用LinkedList。

链接列表的一个重要特性（我在另一个答案中没有看到）是两个列表的串联。对于数组，这是O（n）（+某些重新分配的开销），对于链接列表，这只是O（1）或O（2）；-）

重要提示：对于Java的LinkedList，这不是真的！请参阅Java中是否有一种快速的链表连接方法？

ArrayList和LinkedList各有利弊。

与使用指向下一个节点的指针的LinkedList相比，ArrayList使用连续内存地址。因此，当您想在ArrayList中查找元素时，比使用LinkedList进行n次迭代更快。

另一方面，LinkedList中的插入和删除要容易得多，因为您只需更改指针，而ArrayList意味着对任何插入或删除都使用移位操作。

如果您的应用程序中有频繁的检索操作，请使用ArrayList。如果频繁插入和删除，请使用LinkedList。

我在这里看到的一个测试只进行一次测试。但我注意到的是，您需要多次运行这些测试，最终它们的时间会收敛。基本上JVM需要预热。对于我的特定用例，我需要向列表中添加/删除项目，该列表将增加到大约500个项目。在我的测试中，LinkedList的发布速度更快，LinkedList约为50000 NS，ArrayList约为90000NS。。。给予或索取。请参见下面的代码。

public static void main(String[] args) {
    List<Long> times = new ArrayList<>();
    for (int i = 0; i < 100; i++) {
        times.add(doIt());
    }
    System.out.println("avg = " + (times.stream().mapToLong(x -> x).average()));
}

static long doIt() {
    long start = System.nanoTime();
    List<Object> list = new LinkedList<>();
    //uncomment line below to test with ArrayList
    //list = new ArrayList<>();
    for (int i = 0; i < 500; i++) {
        list.add(i);
    }

    Iterator it = list.iterator();
    while (it.hasNext()) {
        it.next();
        it.remove();
    }
    long end = System.nanoTime();
    long diff = end - start;
    //uncomment to see the JVM warmup and get faster for the first few iterations
    //System.out.println(diff)
    return diff;
}

ArrayList是您想要的。LinkedList几乎总是一个（性能）bug。

为什么LinkedList很糟糕：

它使用了大量小内存对象，因此影响了整个过程的性能。许多小对象不利于缓存位置。任何索引操作都需要遍历，即具有O（n）性能。这在源代码中并不明显，导致算法O（n）比使用ArrayList时慢。获得好的表现是很棘手的。即使big-O性能与ArrayList相同，它也可能会明显变慢。在源代码中看到LinkedList很刺耳，因为它可能是错误的选择。

我已经阅读了答案，但有一种情况是，我总是使用LinkedList而不是ArrayList，我想分享它来听取意见：

每次我有一个方法返回从DB获得的数据列表时，我总是使用LinkedList。

我的理由是，因为不可能确切地知道我得到了多少结果，所以不会浪费内存（如ArrayList中的容量和实际元素数量之间的差异），也不会浪费时间复制容量。

至于ArrayList，我同意至少应该始终使用具有初始容量的构造函数，以尽可能减少数组的重复。